异方差什么是原假设

差概念

对于多元线性回归模型：

OLS基本假定中随机干扰项的方差为常数，即为同方差；若出现，即对于不同的样本点，随机误差项的方差不再是常数，而是互不相同：，则认为出现了异方差。存在异方差的情况下参数估计量非有效、变量的显著性检验失去意义、模型的预测失效。

如消费随着收入的增加而增加，企业利润随投资增加而增加：

二、异方差检验

数据来源于李子奈《计量经济学》（第五版）。数据集“d5p122.dta”包含农村居民人均消费支出、从事农业经营的纯收入、其他来源纯收入，用以考察从事农业经营的纯收入、其他来源纯收入对农村居民人均消费支出的影响，估计如下双对数模型：

首先对原变量取自然对数，并估计模型

use d5p122.dta,clear gen lny=ln(y) gen lnx1=ln(x1) gen lnx2=ln(x2) reg lny lnx1 lnx2

OLS估计结果为：

由t统计量可知、均显著。

（一）异方差检验 方法1:图示法

语句1（更合理）

需先计算残差、样本回归线的拟合值

计算残差：residual表示进行残差预测,e1是任意指定的变量名

计算样本回归线的拟合值

计算残差平方,记为e2

画 与的散点图:

异方差检验的bp检验主要包括以下两点：

1、BP的检验原理是：

因为异方差具有线性形式，假设解释变量前的系数不全为0，则模型是异方差的。

因此，BP检验就是对辅助回归进行方程的显著性检验，可以构造F统计量。

2、BP的 *** 作方法：

1、首先我们要将观测值按照解释变量x的大小顺序排列。

2、其次将排在中间部分的c个（约n/4）观测值删去，再将剩余的观测值分成两个部分（每个部分的个数分别为n1和n2）。

3、然后分别对上述两个部分的观测值进行回归，之后求两个部分的回归残差平方和。

4、构造F统计量，F=[e2'e2/(n2-k)]/[e1'e1(n1-k)]，其中 k为模型中被估参数个数。

---